460-6030/01 – Bio-inspirované algoritmy (BIOA)

Garantující katedraKatedra informatikyKredity10
Garant předmětudoc. Ing. Petr Gajdoš, Ph.D.Garant verze předmětudoc. Ing. Petr Gajdoš, Ph.D.
Úroveň studiapostgraduálníPovinnostpovinně volitelný typu B
RočníkSemestrzimní + letní
Jazyk výukyčeština
Rok zavedení2019/2020Rok zrušení
Určeno pro fakultyFEIUrčeno pro typy studiadoktorské
Výuku zajišťuje
Os. čís.JménoCvičícíPřednášející
GAJ03 doc. Ing. Petr Gajdoš, Ph.D.
Rozsah výuky pro formy studia
Forma studiaZp.zak.Rozsah
prezenční Zkouška 26+0
kombinovaná Zkouška 26+0

Cíle předmětu vyjádřené dosaženými dovednostmi a kompetencemi

Cílem kurzu je poskytnout posluchači hlubší přehled v oblasti implementace a využití bio-inspirovaných algoritmů v analýze dat. Dále se individuálně prohloubí tyto znalosti a dovednosti směrem, který je v souladu se specifickým zaměřením jeho doktorandského studia a disertační práce.

Vyučovací metody

Semináře
Individuální konzultace
Projekt
Ostatní aktivity

Anotace

Předmět studentům poskytuje praktickou znalost bio-inspirovaných algoritmů a jejich aplikací. Představuje základní principy bio-inspirovaných metod a jejich historii. Zaměřuje se současný stav a aktuální vývoj v předmětné oblasti. Studenti se seznámí se základními i pokročilými koncepty a typy bio-inspirovaných výpočtů jako jsou evoluční výpočty, rojová inteligence, umělé neuronové sítě a hybridní metody. Dále jsou představeny různé typy problémů, typicky řešených pomocí bio-inspirovaných algoritmů. Jsou diskutovány diskrétní a spojité problémy a bio-inspirované metody vhodné pro jejich řešení. V neposlední řadě jsou studenti seznámeni s metodami pro statistické vyhodnocení a vizualizaci výsledků bio-inspirovaných výpočtů. V rámci předmětu jsou diskutovány programovací jazyky a aplikační rámce pro praktickou implementaci bio-inspirovaných algoritmů včetně jazyka Python (balík scikit-learn), C/C++, a R (balík caret).

Povinná literatura:

• M. Affenzeller, S. Winkler, S. Wagner, A. Beham, Genetic Algorithms and Genetic Programming: Modern Concepts and Practical Applications, Chapman & Hall/CRC, 2009. • C. Blum, D. Merkle, Swarm Intelligence: Introduction and Applications, Springer Publishing Company, Incorporated, 2008. • M. Clerc, Particle Swarm Optimization, ISTE, Wiley, 2010. • M. Dorigo, T. Stützle, Ant Colony Optimization, MIT Press, Cambridge, MA, 2004. • A. Engelbrecht, Fundamentals of Computational Swarm Intelligence, Wiley, New York, NY, USA, 2005.

Doporučená literatura:

• A. Engelbrecht, Computational Intelligence: An Introduction, 2nd Edition, Wiley, New York, NY, USA, 2007.

Forma způsobu ověření studijních výsledků a další požadavky na studenta

Průběžná kontrola studijních aktivit a přiřazených úkolů v rámci pravidelných konzultací. V případě, že součástí úkolů studenta bude rovněž publikační činnost, bude příslušný článek v rámci kurzu odprezentován. Ústní zkouška.

E-learning

Další požadavky na studenta

Student vypracovává a obhajuje práci na zadané téma.

Prerekvizity

Předmět nemá žádné prerekvizity.

Korekvizity

Předmět nemá žádné korekvizity.

Osnova předmětu

• Bio-inspirované výpočty: reprezentace problému, napodobení biologických principů. Kandidátská řešení, fitness, princip přežití nejsilnějšího. Explorace a exploitace v kontextu bio-inspirovaných výpočtů. • Metody založené na trajektoriích a populacích, třídy bio-inspirovaných metod: evoluční výpočty, roje, umělé neuronové sítě. • Evoluční výpočty: základní principy (populace, selekce, eliminace, ...), genetické algoritmy, genetické programování, diferenciální evoluce. • Swarm intelligence: principy (sociální inteligence), particle swarm optimization, ant colony optimization, artificial bee colony optimization a další • Umělé neuronové sítě: artificial neuron, vícevrstvé sítě, hluboké sítě. Učení s učitelem/bez učitele, deep learning. • Kombinační optimalizační problémy, permutace (problém obchodního cestujícího) and problém s výběrem podmnožin (feature subset selection). • Statistická analýza, vyhodnocení a vizualizace bio-inspirovaných metod.

Podmínky absolvování předmětu

Prezenční forma (platnost od: 2019/2020 zimní semestr)
Název úlohyTyp úlohyMax. počet bodů
(akt. za podúlohy)
Min. počet bodůMax. počet pokusů
Zkouška Zkouška   3
Rozsah povinné účasti:

Zobrazit historii

Podmínky absolvování předmětu a účast na cvičeních v rámci ISP:

Zobrazit historii

Výskyt ve studijních plánech

Akademický rokProgramObor/spec.Spec.ZaměřeníFormaJazyk výuky Konz. stř.RočníkZLTyp povinnosti
2024/2025 (P0588D140003) Bioinformatika a výpočetní biologie P čeština Ostrava povinně volitelný typu B stu. plán
2024/2025 (P0588D140003) Bioinformatika a výpočetní biologie K čeština Ostrava povinně volitelný typu B stu. plán
2023/2024 (P0588D140003) Bioinformatika a výpočetní biologie K čeština Ostrava povinně volitelný typu B stu. plán
2023/2024 (P0588D140003) Bioinformatika a výpočetní biologie P čeština Ostrava povinně volitelný typu B stu. plán
2022/2023 (P0588D140003) Bioinformatika a výpočetní biologie P čeština Ostrava povinně volitelný typu B stu. plán
2022/2023 (P0588D140003) Bioinformatika a výpočetní biologie K čeština Ostrava povinně volitelný typu B stu. plán
2021/2022 (P0588D140003) Bioinformatika a výpočetní biologie K čeština Ostrava povinně volitelný typu B stu. plán
2021/2022 (P0588D140003) Bioinformatika a výpočetní biologie P čeština Ostrava povinně volitelný typu B stu. plán
2020/2021 (P0588D140003) Bioinformatika a výpočetní biologie P čeština Ostrava povinně volitelný typu B stu. plán
2020/2021 (P0588D140003) Bioinformatika a výpočetní biologie K čeština Ostrava povinně volitelný typu B stu. plán

Výskyt ve speciálních blocích

Název blokuAkademický rokForma studiaJazyk výuky RočníkZLTyp blokuVlastník bloku

Hodnocení Výuky

Předmět neobsahuje žádné hodnocení.